国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      基于顯著性區(qū)域檢測的車標(biāo)定位方法

      文檔序號:9433112閱讀:511來源:國知局
      基于顯著性區(qū)域檢測的車標(biāo)定位方法
      【技術(shù)領(lǐng)域】
      [0001] 本發(fā)明屬于數(shù)字圖像處理技術(shù)領(lǐng)域,涉及計(jì)算機(jī)視覺、模式識別相關(guān)理論知識,應(yīng) 用于車標(biāo)定位技術(shù)。 技術(shù)背景
      [0002] 據(jù)工信部信息化裝備司在2012年1月20日發(fā)布的《2011年中國汽車工業(yè)經(jīng)濟(jì)運(yùn) 行情況》公告顯示,2011年全年汽車銷量超過到1850萬輛,再次刷新全球記錄。然而,隨著 汽車產(chǎn)業(yè)在我國的蓬勃發(fā)展,相關(guān)問題也隨之而來,如車輛盜竊、套牌倒牌現(xiàn)象也大有愈演 愈烈之勢。隨著計(jì)算機(jī)視覺技術(shù)的發(fā)展成熟,智能交通監(jiān)控系統(tǒng)也被相關(guān)部門用于輔助管 理交通運(yùn)輸。而車輛識別技術(shù)是智能交通系統(tǒng)中不可或缺的一部分,受到了許多研究人員 的關(guān)注。
      [0003] 車輛識別目前大部分都是基于車牌識別。車牌識別也成功的運(yùn)用于高速公路和城 市交通要道的監(jiān)控管理中。但車牌識別也有其不足之處,如背景中存在廣告牌、背景中存在 文字以及被盜車犯更換車牌,車牌識別就無能為力了。為了彌補(bǔ)現(xiàn)有基于車牌識別的車輛 識別系統(tǒng)的不足。車標(biāo)作為車輛的一個(gè)重要標(biāo)志,成為車輛識別的一個(gè)新的研究方向。車 標(biāo)識別作為完善和發(fā)展智能交通系統(tǒng)有著非常重要的作用。
      [0004] 目前常用的車標(biāo)定位識別方法有以下幾種:
      [0005] (1)基于圖像形態(tài)學(xué)處理的車標(biāo)定位和識別方法。這類方法是首先對車輛進(jìn)行 Sobel邊緣檢測,然后在運(yùn)用數(shù)字圖像形態(tài)學(xué)中開操作和閉操作等得到連通域,然后結(jié)合模 板匹配方法進(jìn)行車標(biāo)定位識別。這種方法優(yōu)點(diǎn)是簡單快速,但是識別率低,對于噪聲和陰影 等復(fù)雜背景失效。詳見文獻(xiàn):Yunqiong, W.,L. Zhifang and X. Fei, A fast coarse-to-fine vehicle logo detection and recognition method, in Robotics and Biomimeticsj 2007. ROBIO 2007. IEEE International Conference on. 2007, IEEE:Sanya, p.691
      [0006] (2)基于車標(biāo)幾何結(jié)構(gòu)的車標(biāo)定位識別方法。這種方法是利用車標(biāo)位于車牌和 車燈之間的位置關(guān)系,即車標(biāo)一般位于兩個(gè)車燈之間而且在車牌之上。通過檢測車燈和 車牌來定位識別車標(biāo)。這種方法的優(yōu)點(diǎn)是定位準(zhǔn)確性較高,缺點(diǎn)是依賴于車燈和車牌的 檢測,當(dāng)有其中一個(gè)檢測失敗時(shí),車標(biāo)定位也隨之失敗,可靠性較差。詳見文獻(xiàn):Wenting LujHonggang ZhangjLan Kunyanj and Jun Guo. Detection of Vehicle Manufacture Logos Using Contextual Information. The Ninth Asian Conference on Computer Vision,ACC V2009, Xi ' an,China,S印.23-27. EI: 20105213526341
      [0007] 利用形態(tài)學(xué)和幾何結(jié)構(gòu)的車標(biāo)定位識別是都是基于空域特征的定位方法,因而對 于噪聲和復(fù)雜背景下提取車標(biāo)效果欠佳。

      【發(fā)明內(nèi)容】

      [0008] 本發(fā)明所要解決的技術(shù)問題是,提供一種可以快速穩(wěn)定的檢測到車標(biāo)區(qū)域的車標(biāo) 定位方法。
      [0009] 本發(fā)明為解決上述技術(shù)問題所采用的技術(shù)方案是,基于顯著性區(qū)域檢測的車標(biāo)定 位方法,包括以下步驟:
      [0010] 步驟1:進(jìn)行車標(biāo)粗略位置提??;
      [0011] 步驟2 :視覺顯著性圖提取
      [0012] 步驟2-1對車標(biāo)粗略位置圖進(jìn)行RGB三色通道分離,分解為R顏色通道圖片、G顏 色通道圖片和B顏色通道圖片;
      [0013] 步驟2-2分別求RGB三個(gè)顏色通道的離散余弦變換后再經(jīng)過符號函數(shù)變換后分別 得到RGB三個(gè)顏色通道的簽名圖像;
      [0014] 步驟2-3對RGB三個(gè)顏色通道的簽名圖像進(jìn)行反離散余弦變換得到背景離散化的 重構(gòu)圖像;
      [0015] 步驟2-4將三個(gè)顏色通道的重構(gòu)圖像進(jìn)行融合得到融合后的圖像;
      [0016] 步驟2-5利用高斯函數(shù)對融合后的圖像&進(jìn)行濾波得到顯著性區(qū)域圖,高斯濾波 核參數(shù)σ = max(W,Η)*0· 045 ;W和H分別為對融合后的圖像尤的寬度和高度,max( ·)表 示取最大值;
      [0017] 步驟3 :基于顯著圖的圖像分割及車標(biāo)提取
      [0018] 步驟3-1對顯著性區(qū)域圖進(jìn)行二值化處理得到二值化后的圖像;
      [0019] 步驟3-2對二值化后的圖像白色區(qū)域進(jìn)行連通域提取,并用一個(gè)外接矩形框去擬 合連通域得到外接矩形框;
      [0020] 步驟3-3在車標(biāo)粗略位置圖中提取外接矩形框所在位置的圖像即為車標(biāo)圖像。
      [0021] 本發(fā)明通過離散余弦變換DCT、符號函數(shù)Sign處理和反散余弦變換DCT來快速實(shí) 現(xiàn)視覺顯著性檢測。顯著區(qū)域圖是一個(gè)灰度圖像,灰度值越大就代表越可能包含車標(biāo),因此 可以通過選擇合適的閾值二值化顯著圖,得到二值連通區(qū)域,來提取車標(biāo)。
      [0022] 本發(fā)明的有益效果是,利用視覺顯著性檢測處理車標(biāo)區(qū)域,能很好的用于車標(biāo)定 位,具有很高的識別率,在復(fù)雜環(huán)境具有很好的魯棒性。
      【附圖說明】
      [0023] 圖1為車標(biāo)定位流程圖;
      [0024] 圖2車標(biāo)粗略位置提取流程示意圖;
      [0025] 圖3基于顯著區(qū)域圖的車標(biāo)定位分割流程示意圖。
      【具體實(shí)施方式】
      [0026] 基于視覺顯著性區(qū)域檢測的車標(biāo)定位方法流程圖,如附圖1所示,包括以下步驟, 下面是這些步驟的詳細(xì)說明,
      [0027] 步驟1 :車標(biāo)粗略位置提取,如圖2所示
      [0028] 步驟I-ICanny邊緣檢測:對輸入的車輛圖片進(jìn)行邊緣檢測,Canny邊緣檢測算法 可以一定程度抑制噪聲,得到車輛的邊緣圖片。
      [0029] 步驟1-2車頭區(qū)域切割:對1-1中得到的邊緣圖片進(jìn)行水平投影,車頭區(qū)域是投影 值最大的連續(xù)區(qū)域,并且有先驗(yàn)知識知道車頭在圖片的偏下位置,設(shè)定閾值進(jìn)行上下切割 得到車頭區(qū)域圖片。
      [0030] 步驟1-3車標(biāo)粗略區(qū)域切割:對1-2中得到的車頭圖片,再進(jìn)行左右切割,保留中 間1/2的圖像區(qū)域。即把圖片最左邊1/4區(qū)域和最右邊1/4區(qū)域切除,得到的圖片就是車 標(biāo)所在的粗略位置圖。
      [0031] 步驟2 :視覺顯著性圖(Saliency Map)提取,附圖3所示
      [0032] 步驟2-1顏色通道分離:在步驟1中得到的粗略區(qū)域圖作為輸入,進(jìn)行通道分離, 把RGB三色圖像的每個(gè)顏色通道分解為R顏色通道圖片、G顏色通道圖片和B顏色通道圖 片。
      [0033] 步驟2-2求簽名圖像:根據(jù)定義的公式imageSignature (X) = Sign(DCT(x)),首 先分別求RGB三個(gè)顏色通道的離散余弦變換(DCT),然后再經(jīng)過符號函數(shù)Sign變換后就可 以分別得到各個(gè)顏色通道的簽名圖像。
      [0034] 步驟2-3反離散余弦變換:把步驟2-2中得到的各個(gè)顏色通道的圖片進(jìn)行反離散 余弦變換(IDCT),就可以得到背景離散化的重構(gòu)的圖像。R通道的離散重構(gòu)圖片為4 , G 通道的離散重構(gòu)圖片為Xe t B通道的離散重構(gòu)圖片為JTs β
      [0035] 步驟2-4通道融合:將步驟2-3中各個(gè)顏色通道的背景離散化后的重構(gòu)圖像進(jìn)行 融合,融合的方法就是簡單的求和取平均值作為融合后的圖像值。設(shè)得到的融合后圖片為 Z',則
      [0036] 步驟2-5高斯濾波:利用高斯函數(shù)
      對融合后的圖像X進(jìn)行濾 波。設(shè)圖像i的寬度和高度分別為W和Η,則高斯濾波核σ參數(shù)〇 = max (W,H) *0.045,即 取寬度和高度的最大值,再乘以常數(shù)0.045得到的高斯濾波核對融合后的圖像i濾波,就 可以得到顯著性區(qū)域圖Saliency Map。
      [0037] 步驟3 :基于顯著圖(Saliency Map)的圖像分割及車標(biāo)提?。ǜ綀D3所示)
      [0038] 步驟3-1二值化顯著圖:對顯著圖用大津自動閾值化處理(OSTU),閾值化可以自 動選擇閾值對灰度圖像進(jìn)行二值化處理,設(shè)閾值為th,則可以定義二值化后的圖像為,
      [0040] 步驟3-2尋找連通域:對二值化后的圖像白色區(qū)域就是車標(biāo)所在的位置,用尋找 連通域的方法,找到這塊區(qū)域,并用一個(gè)外接矩形框去擬合這個(gè)連通域。
      [0041] 步驟3-3分割圖像提取車標(biāo):得到步驟3-3中的外接矩形框,如附圖3中所示的紅 色矩形框就是車標(biāo)所在的位置,切割原圖像中矩形框所在的位置就是車標(biāo)了,到這車標(biāo)就 定位結(jié)束,輸出車標(biāo)然后進(jìn)行識別就可以了。
      【主權(quán)項(xiàng)】
      1. 基于顯著性區(qū)域檢測的車標(biāo)定位方法,其特征在于,包括以下步驟: 步驟1 :進(jìn)行車標(biāo)粗略位置提??; 步驟2:視覺顯著性圖提取 步驟2-1對車標(biāo)粗略位置圖進(jìn)行RGB三色通道分離,分解為R顏色通道圖片、G顏色通 道圖片和B顏色通道圖片; 步驟2-2分別求RGB三個(gè)顏色通道的離散余弦變換后再經(jīng)過符號函數(shù)變換后分別得 到RGB三個(gè)顏色通道的簽名圖像; 步驟2-3對RGB三個(gè)顏色通道的簽名圖像進(jìn)行反離散余弦變換得到背景離散化的重 構(gòu)圖像; 步驟2-4將三個(gè)顏色通道的重構(gòu)圖像進(jìn)行融合得到融合后的圖像; 步驟2-5利用高斯函數(shù)對融合后的圖像I進(jìn)行濾波得到顯著性區(qū)域圖,高斯濾波核 參數(shù)σ = max (W,H) *0· 045 ;W和H分別為對融合后的圖像%的寬度和高度,max ( ·)表示 取最大值; 步驟3 :基于顯著圖的圖像分割及車標(biāo)提取 步驟3-1對顯著性區(qū)域圖進(jìn)行二值化處理得到二值化后的圖像; 步驟3-2對二值化后的圖像白色區(qū)域進(jìn)行連通域提取,并用一個(gè)外接矩形框去擬合連 通域得到外接矩形框; 步驟3-3在車標(biāo)粗略位置圖中提取外接矩形框所在位置的圖像即為車標(biāo)圖像。2. 如權(quán)利要求1所述基于顯著性區(qū)域檢測的車標(biāo)定位方法,其特征在于,進(jìn)行車標(biāo)粗 略位置提取的具體方法是: 步驟1-1對輸入的車輛圖片進(jìn)行邊緣檢測,得到車輛的邊緣圖片; 步驟1-2對邊緣圖片進(jìn)行水平投影,選擇圖片偏下位置且投影值連續(xù)大于閾值的區(qū)域 作為車頭圖片; 步驟1-3對車頭圖片進(jìn)行左右切割,保留中間1/2的圖像區(qū)域得到車標(biāo)粗略位置圖。3. 如權(quán)利要求2所述基于顯著性區(qū)域檢測的車標(biāo)定位方法,其特征在于,步驟1-1中邊 緣檢測使用Canny邊緣檢測算法。4. 如權(quán)利要求1所述基于顯著性區(qū)域檢測的車標(biāo)定位方法,其特征在于,將三個(gè)顏色 通道的重構(gòu)圖像進(jìn)行融合的具體方法為:融合后圖片,為為R通道的重構(gòu)圖片值,JT6為G通道的 重構(gòu)圖片,Sb通道的重構(gòu)圖片。5. 如權(quán)利要求1所述基于顯著性區(qū)域檢測的車標(biāo)定位方法,其特征在于,高斯函數(shù)核 參數(shù)σ = max (w,H) *0· 045 ;W和H分別為對融合后的圖像y的寬度和高度,max ( ·)表示 取最大值。
      【專利摘要】本發(fā)明提供一種基于顯著性區(qū)域檢測的車標(biāo)定位方法,包括:進(jìn)行車標(biāo)粗略位置提取、視覺顯著性圖提取、基于顯著圖的圖像分割及車標(biāo)提取。本發(fā)明通過離散余弦變換DCT、符號函數(shù)Sign處理和反散余弦變換DCT來快速實(shí)現(xiàn)視覺顯著性檢測。顯著區(qū)域圖是一個(gè)灰度圖像,灰度值越大就代表越可能包含車標(biāo),因此可以通過選擇合適的閾值二值化顯著圖,得到二值連通區(qū)域,來提取車標(biāo)。本發(fā)明利用視覺顯著性檢測處理車標(biāo)區(qū)域,能很好的用于車標(biāo)定位,具有很高的識別率,在復(fù)雜環(huán)境具有很好的魯棒性。
      【IPC分類】G06K9/32
      【公開號】CN105184293
      【申請?zhí)枴緾N201510543431
      【發(fā)明人】解梅, 羅招材, 于國輝, 陳熊
      【申請人】電子科技大學(xué)
      【公開日】2015年12月23日
      【申請日】2015年8月29日
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點(diǎn)贊!
      1